ProductTank Taipei #5 - 噓，讓資料說話 - 資料科學如何與產品開發結合 / what is data science? - 產品經理如何與資料科學家合作 / How does a product manager work with data scientists? - 打造資料型產品的環節與分工? / How do we build a data product?

1. 噓，讓資料說話
當產品經理理碰上資料科學家

2. 林林懷宇 / Huai-Yu Lin
Product Manager - Dcard
huaiyu@dcard.cc

3. 讓你沒有壓⼒力力的說出⾃自⼰己的故事
SPEAK YOUR MIND

4. 匿名校園社群 午夜抽卡

5. Source：Indiana University｜http://archive.news.iu.edu/releases/iu/2016/03/data-science-summer-course.shtml

6. “
- Wikipedia
Data science, also known as data-driven science, is an
interdisciplinary field about scientific methods, processes,
and systems to extract knowledge or insights from data in
various forms, either structured or unstructured, similar to
data mining.

7. M
ath
&
Statistics
Know
ledge
Hacking
Skills
Substantive
Expertise
Data
Science
Technology
User
Experience
Business
Product
Manager
You are here.
Source：http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram

8. Icons made by Freepik | www.flaticon.com | is licensed by Creative Commons BY 3.0
紀錄⾏行行為 分析⾏行行為 預測⾏行行為

9. 紀錄⾏行行為
建立資料庫，紀錄使⽤用者的⼀一
些基本屬性，以及其在產品上
的⾏行行為。
1. 建立資料庫記錄各項⾏行行為
2. 串串接各項外部服務協助分析紀錄
3. 確保資料紀錄的過程是穩定⽽而安全的

10. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
1. 透過資料分析的⼯工具，如：GA、
Facebook Analytics 進⾏行行量量化分析
2. 懂得使⽤用 SQL 來來讀取資料庫的內容
3. 藉由分析資料了了解整體趨勢
4. 藉由分析資料得到個別使⽤用者的特性

11. 預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
1. 找出在預測使⽤用者⾏行行為時需要的關鍵
資料
2. 藉由分析的所得到的資訊找出某些結
論、洞洞察，進⽽而預測使⽤用者的⾏行行為
3. 能將預測的⽅方式建立成可重複使⽤用乃
⾄至於⾃自我學習的模型

12. - Mike Loukides, O’Reilly
The future belongs to the companies and people that turn
data into products.
“

13. 資料型產品有哪些
以資料為基礎所打造的產品

14. Title
Write your subtitle in this line

15. Title
Write your subtitle in this line

16. Title
Write your subtitle in this line

17. 資料型產品在 Dcard 的應⽤用
以資料為基礎所打造的產品

18. 資料型產品在 Dcard 的應⽤用
以資料為基礎所打造的產品

19. 資料型產品在 Dcard 的應⽤用
以資料為基礎所打造的產品

20. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
紀錄⾏行行為
建立資料庫，紀錄使⽤用者的⼀一
些基本屬性，以及其在產品上
的⾏行行為。
預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
Icons made by Freepik | www.flaticon.com | is licensed by Creative Commons BY 3.0

21. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
紀錄⾏行行為
建立資料庫，紀錄使⽤用者的⼀一
些基本屬性，以及其在產品上
的⾏行行為。
預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
Data Engineer Data Analyst Data Scientist

22. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
紀錄⾏行行為
紀錄使⽤用者在產品上的⾏行行為，
如：使⽤用者⾝身份、做過的事、
每⽇日的使⽤用時長。
預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
Data Engineer Data Analyst Data Scientist
你就是那條龍

23. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
紀錄⾏行行為
紀錄使⽤用者在產品上的⾏行行為，
如：使⽤用者⾝身份、做過的事、
每⽇日的使⽤用時長。
預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
Data Engineer Data Analyst Data Scientist
產品經理理 + 資料科學家

24. ‘‘ 對產品經理理⽽而⾔言，最重要的事情是什什麼？ ’’
‘‘ 為什什麼團隊需要產品經理理？’’
‘‘ 資料科學家需要什什麼？為什什麼需要你？ ’’
‘‘ 若若你是資料科學家，會希望產品經理理怎麼跟你溝通？ ’’

25. 分析⾏行行為
觀察並分析使⽤用者的⾏行行為，藉
此瞭解使⽤用者，並找出產品的
改善關鍵。
紀錄⾏行行為
紀錄使⽤用者在產品上的⾏行行為，
如：使⽤用者⾝身份、做過的事、
每⽇日的使⽤用時長。
預測⾏行行為
藉由分析到的⾏行行為來來預測使⽤用
者的喜好，與產品結合後加強
使⽤用者在產品上的表現。
Data Engineer Data Analyst Data Scientist
開始打造資料型產品

26. 案例例：個⼈人化的⽂文章列列表
讓使⽤用者更更容易易找到感興趣的⽂文章

27. 資料型產品的開發流程
1. 定義核⼼心⽬目標
2. 將⽬目標轉為可觀測的指標
3. 定義需要收集的資料
4. 定義收集資料的策略略
5. 分析資料
6. 透過資料建立模型
7. 檢驗模型是否有效
8. 透過結果，決定下⼀一步

28. 產品經理理的部分
1. 定義核⼼心⽬目標
2. 將⽬目標轉為可觀測的指標
3. 定義需要收集的資料
4. 定義收集資料的策略略
5. 分析資料
6. 透過資料建立模型
7. 檢驗模型是否有效
8. 透過結果，決定下⼀一步

29. Step 1.
定義核⼼心⽬目標
你觀察到什什麼事情？
你想要解決什什麼問題？
你希望達成什什麼⽬目標？

30. Step 1.
定義核⼼心⽬目標
讓使⽤用者更更容易易找到感興趣的⽂文章

31. ⽬目標如何轉換成指標？
如何判斷結果是好或壞？
如何衡量量及取捨？
Step 2.
將⽬目標轉為指標

32. Step 2.
將⽬目標轉為指標 每⼈人每⽇日進入⾸首⾴頁幾次
每⼈人每次在⾸首⾴頁中的⽂文章點擊次數
前 1, 5, 15, 40 篇⾸首⾴頁⽂文章的點擊率
每⼈人每⽇日使⽤用論壇的時間

33. Step 3.
定義欲收集的資料
應該收集哪些資料？
其他服務做過類似收集了了哪些資料？
哪些資料有助於分析及模型改善？

34. Step 3.
定義欲收集的資料 ⽂文章的資訊：作者、內容
⽂文章上的⾏行行為：閱讀、留留⾔言、收藏、喜歡
其他：訂閱的看板、常看的看板類型
使⽤用者：年年齡、性別、學校、系所

35. Step 4.
制定資料收集的策略略
哪些資料已經有了了？
還需要再收集哪些資料？
向誰收集？
怎麼收集？
在什什麼場景下收集？

36. Step 4.
制定資料收集的策略略
⽂文章的資訊：發⽂文時便便已⾃自帶的屬性
⽂文章上的⾏行行為：在⾏行行為操作時紀錄
使⽤用者：在建立帳號時已有相關紀錄

37. 資料科學家的部分
1. 定義核⼼心⽬目標
2. 將⽬目標轉為可觀測的指標
3. 定義需要收集的資料
4. 定義收集資料的策略略
5. 分析資料
6. 透過資料建立模型
7. 檢驗模型是否有效
8. 透過結果，決定下⼀一步

38. 如何找出資料和⾏行行為之間的關聯聯性？
如何預測使⽤用者未來來的⾏行行為？
如何將預測的⽅方式建立成可驗證的模型？
Step 5 - 6
分析資料、建立模型

39. Step 5 - 6
分析資料、建立模型 ⼯工⼈人智慧
⼈人⼯工智慧：決策樹、機器學習..

40. Step 7.
驗證模型
如何在推出前就先⾏行行測試？
如何⼩小量量測試？
驗證過後如何改良更更新？

41. Step 7.
驗證模型 使⽤用者訪談
內部測試
A/B 測試
⽤用過去資料測試

42. Step 8.
透過結果做決定
是否該將成果全⾯面上線？
得到的結果如何整合進產品？
是否要繼續優化？
該如何繼續優化？

43. 資料型產品的開發流程
1. 定義核⼼心⽬目標
2. 將⽬目標轉為可觀測的指標
3. 定義需要收集的資料
4. 定義收集資料的策略略
5. 分析資料
6. 透過資料建立模型
7. 檢驗模型是否有效
8. 透過結果，決定下⼀一步

44. ‘‘ 完成比完美更更重要 ’’
‘‘ 有些時候⼯工⼈人智慧不輸給⼈人⼯工智慧 ’’

45. Product Manager 的⾃自我修煉
1. 會⽤用數種的分析軟體：Google Analytics、Facebook Analytics
2. 學習解讀資料，拆解資料，挖掘資料背後揭露的事實
3. 理理解如何從資料庫挖掘資料，寫 SQL
4. 學習將抽象的概念念轉換成實際的數據
5. 挑⼀一⾨門 MOOC 課程學習資料科學